Palencia, Ourense y Melilla tienen los menores esfuerzos, con el 22% de los ingresos familiares

La ciudad de Madrid exige el 36% de los ingresos y Barcelona el 33%

Las ciudades de Madrid y Barcelona cumplen razonablemente con la recomendación de no destinar más de un tercio de los ingresos familiares al pago del alquiler. Según un estudio publicado por idealista realizado cruzando los precios del alquiler en marzo de 2021 y la estimación* de ingresos familiares en esa misma fecha, la ciudad de Barcelona exigiría el 33% de los ingresos para el pago de la renta, y en Madrid se incrementa ligeramente hasta el 36%,

De hecho, el porcentaje de ingresos que necesitan destinar las familias para hacer frente al pago del alquiler no llega al 40% en ninguna capital española y solo 8 ciudades superarían la recomendación generalizada de no destinar más de un tercio de los ingresos al pago de la renta.

En contra de la creencia generalizada de que es en los grandes mercados donde es necesario realizar un mayor esfuerzo, la ciudad de Santa Cruz de Tenerife es el mercado donde este es mayor, ya que las familias deben destinar el 39% de sus ingresos al pago del alquiler. A continuación, se sitúa la capital de Almería, con el 37% de los ingresos destinados al alquiler, y tras ella Las Palmas de Gran Canaria, Alicante, Segovia y Madrid, con el 36% en los 4 casos. Lleida y Sevilla, comparten una tasa de esfuerzo del 35%.

Cuatro capitales se mantienen en la recomendación del 33%: Huelva, Guadalajara, Bilbao, Murcia y Barcelona tienen un 33%. En Palma, Badajoz, San Sebastián y Toledo el esfuerzo requerido es del 32%, mientras que en Pamplona, Castellón y Valencia se queda en el 31%.

Palencia, Ourense y Melilla son las 3 ciudades en las que el esfuerzo para alquilar una vivienda es menor (22%). Les sigue la ciudad de Huesca (23%), Pontevedra (24%), Soria (24%), Burgos (25%) y A Coruña (25%). Con el 26% de los ingresos familiares encontramos a Valladolid, León, Zamora, Oviedo y Tarragona.

La tasa de esfuerzo mide el peso de la vivienda sobre el poder adquisitivo del hogar, por este motivo nuestros cálculos se realizan a partir del valor de la vivienda, sea en compraventa o alquiler, junto con nuestras estimaciones de renta neta familiar. En particular, en el caso del alquiler, medimos la tasa de esfuerzo como la cuota anual de ingresos netos del hogar que se destina al pago del alquiler. De la misma manera, en el caso de la compraventa, la tasa de esfuerzo se calcula como la cuota anual de ingresos netos del hogar que se destina al pago de una hipoteca "típica", en el sentido que viene estipulada con características medias en términos de duración y tipo de interés.

Los valores en compraventa y alquiler vienen directamente de la fuente de datos idealista, que dispone de precios promedios para cada ciudad. Al contrario, en el caso de la renta neta familiar, a falta de un dato oficial actualizado para cada ciudad, utilizamos nuestra batería de modelos de aprendizaje automático que combinan la información de varias métricas socioeconómicas provenientes de diferentes fuentes (públicas y de idealista). Nuestros modelos de aprendizaje automático son esencialmente de tipo random forest y con gradient boosting (CatBoost), y se entrenan con datos accesibles al público:

España: Ingresos medios por declaración a nivel de código postal para aquellos municipios con una población superior a 100.000 habitantes (Agencia Tributaria, frecuencia anual 2013-2018, link), renta media por hogar a nivel municipal y sección censal desde el Atlas de Distribución de Renta de los Hogares (INE, frecuencia anual 2015-2017, link), y renta media por hogar a nivel nacional y por comunidad autónoma de la Encuesta de Condiciones de Vida (INE, frecuencia anual, 2019 último año disponible, link).

Dado que las métricas tienen diferencias en términos de muestreo o definición, mantenemos la consistencia entre medidas utilizando modelos satelite: un modelo intermedio que estima el tamaño promedio del hogar, en términos de número de miembros de la familia, a partir del número promedio de habitaciones en una determinada zona. De esta manera podemos convertir la métrica de ingresos por declaración en ingresos por hogar. Una vez entrenados los modelos, se genera la inferencia para poder imputar niveles de renta por hogar sobre otras segmentaciones o ubicaciones.

Nuestros modelos nos permiten obtener una estimación fiable del nivel de renta con relativa rapidez (frecuencia trimestral y sin retraso de publicación) y con un alto nivel de desagregación territorial, obteniendo estimaciones para cada barrio de cada ciudad en España, Italia, y Portugal. Importante, comprobamos y revisamos con periodicidad nuestros modelos para que mantengan siempre un alto nivel de precisión y fiabilidad.